OpenClaw（龙虾）的公众认知与市场热度 - 围绕OpenClaw的讨论已分裂为两个阵营：一方如傅盛，通过高强度使用将其培养成由8个Agent组成的自动化团队，并发布阅读量达百万的推文，认为“一个人加一只龙虾等于一支团队”[5]；另一方如阑夕，认为当前热潮中存在过度噪音和“拿着锤子找钉子的兴奋”[5] - 争议本身证明，OpenClaw作为一个开源的个人智能体框架，已经破圈并成为普通人关注的新范式[6] OpenClaw的部署方案与成本差异 - 部署方案并非标准化，主要分为四类，体验和成本差异巨大[10][11] - 专用本地硬件方案：以Mac Mini为代表，可获得最完整上下文和最稳定体验，但初始硬件投入高（如高配Mac Studio或工作站约10万元人民币），且模型API费用是长期主要成本[12] - 云服务器部署方案：如腾讯云、阿里云等提供一键部署，服务器租金从几十到上百元不等，但缺乏本地文件与桌面上下文，能力受限[12][13] - 个人电脑直装方案：门槛最低但风险最高，若使用Docker或虚拟机隔离则配置复杂度或资源消耗增加[14][15] - 模型厂商托管产品：如Kimi Claw、MaxClaw，开箱即用、门槛最低，但能力上限和数据自主性受平台限制[15] OpenClaw的权限与安全风险 - OpenClaw的核心能力在于能“做”事，如操作浏览器、读写文件、执行命令，但这要求用户交出权限[19][20] - 权限是一把双刃剑，已有安全事件发生，例如AI在未受有效限制下批量删除用户邮件[21] - 安全研究显示，已有超过4万个OpenClaw实例暴露于公网，其中63%存在可被利用的漏洞，超过1.2万个实例可被远程控制；ClawHavoc供应链投毒事件影响了超过13.5万台设备[23] - Google、Anthropic、Meta等公司已在内部封禁OpenClaw，因当前安全防护机制未跟上其能力扩张[25] - 建议在无重要数据的备用设备或Docker容器中运行，逐步开放权限，并设置模型API硬性消费上限[25] OpenClaw的性能与成本核心：大语言模型 - OpenClaw本身是一个框架，其智能程度取决于接入的大语言模型（如Claude、GPT、DeepSeek、Kimi等），而非框架本身[27] - 模型的能力上限决定任务处理水平，顶级模型可处理复杂指令，便宜小模型可能连基本工具调用都难以完成[28] - 模型调用成本是主要隐性支出，任务执行消耗大量token，例如一次完整的日历整理加邮件回复可能消耗上万token，启用长期记忆等功能后单日消耗可轻松突破十万token[30][31] - 有用户感叹“养不起AI员工”，极端案例下6小时账单超过千元[31] - 龙虾的体验好坏首先取决于为其配置的“大脑”（模型）及持续的投入意愿[32] OpenClaw的产品成熟度与使用门槛 - OpenClaw自2025年11月推出至今不到四个月，是一个迭代快但粗糙的开源项目，距离成熟产品有明显差距[34] - 已知缺陷包括：任务处理过度复杂化、执行莫名中断、记忆功能不稳定、token消耗效率比有待优化，以及ClawHub上存在上百个含恶意代码的技能[34] - 安装配置对非技术用户门槛高，涉及仓库拉取、环境配置、依赖安装等步骤；云厂商一键部署后仍需进行模型配置等操作，闲鱼上500元一次的上门安装服务供不应求反映了此问题[34] - 创始人Peter强调，用户需要像带实习生一样“养”它，投入大量时间和认知资源[35] 评估是否部署OpenClaw的考量因素 - 明确的任务需求：价值体现在处理明确、高频、可自动化的重复性工作（如整理邮件、生成报告），对创意决策、人际沟通等工作价值有限[39] - 成本投入：需综合评估硬件成本、模型API费用、配置及养成时间；若使用Mac Mini加顶级模型高频使用，月均成本在人民币几百到上千元[39] - 技术能力与风险承受度：无命令行经验的用户挫折感强，建议从Kimi Claw等封装产品开始体验；本地部署务必做好安全隔离，避免使用存有重要数据的主力电脑[39] - 用户的“驾驶能力”：AI是能力放大器，用户拆解任务、编写skill、设计反馈循环的能力至关重要，不同用户使用同一工具的效果可能相差十倍[40][41] - 创始人Peter指出，不懂命令行的用户使用该项目风险太大[44]